#transformer Repositórios
Descubra 208 repositórios ativos de código aberto no GitHub marcados com #transformer, acumulando um total de 1,197,728 estrelas (uma média de 5,758 por projeto). O líder deste tópico é huggingface/transformers, com 169,339 estrelas.
208 repositórios no total
🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
Um motor de inferência e serviço para LLMs de alto rendimento e eficiente em memória
🧑🏫 Mais de 60 implementações/tutoriais de artigos de deep learning com notas lado a lado 📝; incluindo transformers (original, xl, switch, feedback, vit, ...), otimizadores (adam, adabelief, sophia, ...), gans (cyclegan, stylegan2, ...), 🎮 aprendizado por reforço (ppo, dqn), capsnet, destilação, ... 🧠
Modificação de modelos de linguagem sem treinamento: remover a censura, reduzir conteúdo de baixa qualidade e bajulação, e muito mais
SGLang é uma estrutura de serviço de alto desempenho para grandes modelos de linguagem e modelos multimodais.
🏆 Uma lista classificada de bibliotecas Python incríveis de aprendizado de máquina. Atualizada semanalmente.
《Redes neurais e aprendizagem profunda》 de Qiu Xipeng, segunda edição e edição de divulgação geral: livro eletrónico, índice dos capítulos, recursos de aprendizagem e errata.
O FreeToken traz a disponibilização de modelos em escala de data center para o seu desktop. Execute modelos massivos localmente, de forma rápida e eficiente.
"Li Hongyi Deep Learning Tutorial" (Recomendado pelo Professor Li Hongyi 👍, Livro da Apple 🍎), endereço para download em PDF: https://github.com/datawhalechina/leedl-tutorial/releases
MNN: Um motor de inferência ultrarrápido e leve, testado em batalha pela Alibaba, alimentando LLMs e IA de borda de alto desempenho em dispositivos.
pix2tex: Usando um ViT para converter imagens de equações em código LaTeX.
Tutorial de Processamento de Linguagem Natural para Pesquisadores de Aprendizagem Profunda
RWKV (pronuncia-se RwaKuv) é uma RNN com ótimo desempenho de LLM, que também pode ser treinada diretamente como um transformador GPT (paralelizável). Estamos no RWKV-7 "Goose". Portanto, ele combina o melhor de RNN e transformador - ótimo desempenho, tempo linear, espaço constante (sem cache kv), treinamento rápido, ctx_len infinito e embedding de frase gratuito.
Um cliente HTTP poderoso para Dart e Flutter, que suporta configurações globais, Interceptores, FormData, abortar e cancelar uma requisição, upload e download de arquivos, timeout de requisições, adaptadores customizados, etc.
Kit de Fala Fácil de Usar, incluindo modelo de Aprendizagem Auto-Supervisionada, ASR SOTA/Streaming com pontuação, TTS de Streaming com frontend de texto, Sistema de Verificação de Locutor, Tradução de Fala End-to-End e Keyword Spotting. Ganhou o Prêmio Melhor Demo da NAACL2022.
Um modelo Kimi K3 de 2,78 trilhões de parâmetros executando inferência em uma única CPU com 8,24 GB de RAM. C99 portátil: sem BLAS, sem framework, sem GPU.
Inferência de Geração de Texto por Modelos de Linguagem Grandes
Traduzir mangás/imagens — traduza com um clique o texto de imagens de todos os tipos https://cotrans.touhou.ai/ https://greasyfork.org/en/scripts/437569-cotrans-manga-image-translator-regular-edition
🌸 Execute LLMs em casa, no estilo BitTorrent. Ajuste fino e inferência até 10x mais rápido do que o descarregamento.
Biblioteca de segmentação de imagem fácil de usar com um zoológico de modelos pré-treinados impressionante, suportando uma ampla gama de tarefas práticas em Segmentação Semântica, Segmentação Interativa, Segmentação Panóptica, Matting de Imagem, Segmentação 3D, etc.
Um Kit de Ferramentas Extensível para Ajuste Fino e Inferência de Grandes Modelos de Base. Grandes Modelos para Todos.
Uma estrutura para inferência de modelo eficiente com modelos de omni-modalidade
🔍 Um Framework Multiagente Baseado em LLM para Motores de Busca na Web (como Perplexity.ai Pro e SearchGPT)
Uma camada de decisão aberta e programável para modelos e computação.
Quantização de 2 bits, kernels e ambiente de execução para dispositivos de consumo.
Séries Temporais Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de ponta para Séries Temporais e Sequências em Pytorch / fastai
Tutoriais sobre a implementação de alguns modelos de sequência para sequência (seq2seq) com PyTorch e TorchText.
【Três anos de entrevistas, cinco anos de simulados】Plataforma de recursos para entrevistas de engenheiros de algoritmos de AIGC/LLM/AI Agent. Abrange conteúdos práticos e experiências essenciais para entrevistas e provas escritas, além de conhecimentos fundamentais de relevância duradoura no setor de IA, incluindo AIGC, grandes modelos de linguagem (LLMs), agentes de IA, inteligência incorporada, deep learning tradicional, visão computacional, processamento de linguagem natural, condução autônoma, aprendizado de máquina, aprendizado por reforço, mineração de big data, modelos do mundo, metaverso, AGI e muito mais.
Kit de Reconhecimento de Fala de Ponta a Ponta Pronto para Produção e com Foco na Produção
Uma lista definitiva e abrangente de artigos sobre Vision Transformer/Attention, incluindo artigos, códigos e sites relacionados
Memória Condicional via Consulta Escalável: Um Novo Eixo de Sparsidade para Grandes Modelos de Linguagem
A bíblia definitiva para iniciantes em IA, sem obscuridades ou elitismo, fácil de dominar para estudantes e engenheiros. Abrange desde redes neurais a grandes modelos, design de alto nível a princípios microscópicos, implementação de engenharia a fundamentos algorítmicos. Após concluir, você entenderá perfeitamente por que a previsão do próximo token, uma capacidade aparentemente insignificante, pode mudar o mundo, e descobrirá que a IA não é tão misteriosa ou inalcançável quanto se imagina. Let's just beat it!
Estruturas de IA eficientes, incluindo GhostNet, TNT e MLP, desenvolvidas pelo Huawei Noah's Ark Lab.
Perguntas Frequentes
Qual é o repositório de #transformer mais popular no GitHub?
O projeto de código aberto de #transformer mais bem classificado no GitHub é huggingface/transformers, com 169,339 estrelas. 🤗 Transformers: a estrutura de definição de modelos para modelos de machine learning de última geração em texto, visão, áudio e modelos multimodais, tanto para inferência quanto para treinamento.
Quais linguagens de programação são mais usadas nos repositórios de #transformer?
Entre os projetos de #transformer mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Jupyter Notebook, JavaScript.
Como é calculada a classificação dos repositórios de #transformer?
Acompanhamos 208 repositórios ativos de código aberto marcados com #transformer (com mais de 500 estrelas), totalizando 1,197,728 estrelas e uma média de 5,758 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.